CN109117697A - 利用组件的点云数据的对象位置信息抽取系统 - Google Patents

利用组件的点云数据的对象位置信息抽取系统 Download PDF

Info

Publication number
CN109117697A
CN109117697A CN201710790206.2A CN201710790206A CN109117697A CN 109117697 A CN109117697 A CN 109117697A CN 201710790206 A CN201710790206 A CN 201710790206A CN 109117697 A CN109117697 A CN 109117697A
Authority
CN
China
Prior art keywords
component
point cloud
cloud data
location information
component file
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710790206.2A
Other languages
English (en)
Other versions
CN109117697B (zh
Inventor
朴宰亨
金晟焕
李承奂
朴幼卿
金柄柱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Korea Intelligent Transport System Association
Korea Expressway Corp
Original Assignee
Korea Intelligent Transport System Association
Korea Expressway Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Korea Intelligent Transport System Association, Korea Expressway Corp filed Critical Korea Intelligent Transport System Association
Publication of CN109117697A publication Critical patent/CN109117697A/zh
Application granted granted Critical
Publication of CN109117697B publication Critical patent/CN109117697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G06T3/153—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G06V10/471—Contour-based spatial representations, e.g. vector-coding using approximation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/09—Recognition of logos

Abstract

本发明提供利用组件的点云数据的对象位置信息抽取系统。所述利用组件的点云数据的对象位置信息抽取系统包括：组件文件生成部，用于创建事先所标准化的对象的组件文件；对象位置信息抽取部，利用通过雷达所收集的点云数据来抽取对象的位置信息；以及对象轮廓抽取及位置决定部，通过利用组件文件使点云数据的对象轮廓线优化，从所优化的轮廓线抽取准确的基准位置信息。

Description

利用组件的点云数据的对象位置信息抽取系统
技术领域
本发明涉及利用组件的点云数据的对象位置信息抽取系统。更详细地，涉及如下的利用组件的点云数据的对象位置信息抽取系统：根据所标准化的对象的准确的数值及比率来按照对象进行建模，利用其并可通过轮廓的决定及对象的位置信息来抽取准确的位置信息。
背景技术
最近，通过测量技术的急速发展，在用于创建地图的现场数据获取速度及准确度方面取得了飞跃性的发展。尤其，由于装载有车辆激光雷达(Lidar，Light DetectionAndRanging，利用激光检测与物体之间的距离的装置)、摄像头、全球定位系统/惯性导航系统(GPS/INS)等多种数据获取装置及位置决定装置等的移动测量系统(MMS，Mobile MappingSystem)的面市，可对可随时随地使车辆进入及行驶的区域迅速地处理准确的数据。
与这种技术的发展一同，对于地图的利用度也在提高。在过去，地图主要用于掌握现状并利用于工程等，随着迅速、高准确度的地图制作技术的普及，其利用性扩大至多种领域。尤其，随着预测如上所述的地图将通过弥补无人驾驶车辆的传感器来帮助无人驾驶车辆的安全行驶，对其的关注也在增加。
因此，最近的地图制作技术为了满足之前所提出的迅速、准确的地图制作要求事项，利用由激光雷达传感器及全球定位系统/惯性导航系统等构成的移动测量系统来迅速、准确地生成用于构建地图数据库(DB)的点云数据，从而利用于地图制作。
更是提出了利用所述雷达数据来生成三维(3D)室内地图的方法(韩国专利10-1427364)、抽取建筑物的轮廓线的方法(韩国专利10-0995400)等。
为了构建最终地图数据库，需要经过利用点云数据进行映射(Mapping)的过程。在此过程中，由于点云数据内没有明确的基准，因而将通过工作人员的肉眼识别来决定基准位置，因此准确度会降低，为了提高准确度，需要投入很多的时间和人力，因此，经济性会降低，因而需要一种可以解决所述问题的方案。
发明内容
(一)要解决的技术问题
为了解决如上所述的问题，本发明公开如下的利用组件的点云数据的对象位置信息抽取系统：在多个抽取对象中提供与事先所规定形状的对象有关的组件文件，并通过使其相互匹配的方法减少在位置规定中所消耗的很多时间和人力浪费，并在短时间内决定准确的位置信息。
本发明的目的不限定于以上所提及的目的，普通技术人员可通过以下记载明确理解未提及的其他目的。
(二)技术方案
根据用于实现所述技术目的的本发明的一实施方式，本发明包括：组件文件生成部，用于创建事先所标准化的对象的组件文件；对象位置信息抽取部，利用通过雷达所收集的点云数据来抽取对象的位置信息；以及对象轮廓抽取及位置决定部，通过利用组件文件使点云数据的对象轮廓线优化，从所优化的轮廓线抽取准确的基准位置信息。
根据用于实现所述技术目的的本发明的另一实施方式，组件文件生成部包括：道路对象信息收集部，关于事先所标准化的维也纳条约法公约中所定义的道路设施和其附属物，定义对象的形状，收集形状信息；组件文件创建部，以所收集的信息为基础，创建组件文件；组件基准位置指定部，指定所创建的组件文件的几何基准位置；以及偏移值设置部，用于设置用于消除因组件文件的厚度而产生的误差等的坐标抽取偏移值。
根据用于实现所述技术目的的本发明的另一实施方式，对象位置信息抽取部包括：对象投影部，为了使点云数据内的对象达到与正面所示的内容相同，对点云数据内的抽取对象进行正射投影；组件输入部，使得以实际尺寸创建的组件文件对应画面的比例尺，以无需额外调整的方式与点云数据互相进行匹配；捕捉部，使组件内的边角等特征点与点云数据内的所需位置相匹配，来提高匹配准确度；以及基准位置生成部，从所匹配的组件文件和点云数据读取与所指定的位置有关的准确坐标来生成点。
根据用于实现所述技术目的的本发明的另一实施方式，对象轮廓抽取及位置决定部包括：对象轮廓抽取部，通过过滤方法抽取对象的轮廓线；优化对象文件决定部，以所抽取的轮廓线为基准，在组件文件数据库中决定最适合的组件文件；对象轮廓线优化部，用于利用所决定的组件文件来使点云数据的轮廓线优化；以及基准位置决定部，为了从所优化的轮廓线决定基准位置，计算多边形的重心来决定位置。
(三)有益效果
本发明的利用组件的点云数据的对象位置信息抽取系统可迅速、准确地决定映射对象的位置并可生成点，经判断，通过将准确的地图数据库适用于多种产业领域，还可具有经济性、产业性方面的效果。
并且，由于韩国遵守维也纳条约法公约，在作为本发明的主要对象的道路设施等的对象完成开发的情况下，可简单地适用于加入维也纳条约法公约的国家，并且，在其他国家也可通过适用额外的数据库来利用为无人驾驶车辆的无人驾驶基础的地图，因此，经判断，本发明为其波及效果很大的技术。
附图说明
图1为示出本发明一实施例的利用组件的点云数据的对象位置信息抽取系统的简要结构的图。
图2为示出以往的对象位置抽取方式的图。
图3为本发明中的作为抽取对象的道路标志的例示。
图4为本发明中的用于计算基准位置的基准坐标的概念图。
图5为与本发明中的对象的几何中心有关的概念图。
图6为本发明中的使点云数据内的设施的方向与画面一致的概念图。
图7为示出本发明中的使设施组件和点云数据的特征点相匹配的概念图。
图8为与本发明中的利用设施拟合方式的坐标读取有关的概念图。
图9为示出在点云数据的过滤中利用的特定波长范围的反射率的区别的图。
图10为抽取点云数据的轮廓线的图。
图11为计算闭合多边形的面积的例示图和表达式。
图12为利用闭合多边形和组件文件来决定优化轮廓线的模式图。
图13为计算闭合多边形的重心的图和表达式。
附图说明标记
100：组件文件生成部
110：道路对象信息收集部
120：组件文件创建部
130：组件基准位置指定部
140：偏移值设置部
200：对象位置信息抽取部
210：对象投影部
220：组件输入部
230：捕捉部
240：基准位置生成部
300：对象轮廓抽取及位置决定部
310：对象轮廓抽取部
320：优化对象文件决定部
330：对象轮廓线优化部
340：基准位置决定部
具体实施方式
以下，参照附图及后述的内容对本发明的优选实施例进行详细说明。但是，本发明不限定于在此进行说明的实施例，可通过其他形态被具体化。相反，在此所公开的实施例使所公开的内容更充实、完整，用于向普通技术人员完整地传递本发明的思想。
在说明书全文中，相同的附图标记表示相同的结构要素。另一方面，在本说明书中所使用的术语仅用于说明实施例，并不限定本发明。在本说明书中，除非在句子中特别提及，单数形式包括复数形式。在说明书中所使用的“包括(comprises)”和/或“包括(comprising)”中，所提及的结构要素、步骤、动作和/或元件并不排除一个以上内的其他结构要素、步骤、动作和/或元件的存在或追加。
以下，参照图1至图13对本发明一实施例的利用组件的点云数据的对象位置信息抽取系统进行说明。图1为示出本发明一实施例的利用组件的点云数据的对象位置信息抽取系统简要结构的图，图2为示出以往的对象位置抽取方式的图，图3为本发明中的作为抽取对象的道路标志的例示，图4为本发明中的用于计算基准位置的基准坐标的概念图，图5为与本发明中的对象的几何中心有关的概念图，图6为本发明中的使点云数据内的设施的方向与画面一致的概念图，图7为示出本发明中的使设置组件和点云数据的特征点相匹配的概念图，图8为与本发明中的利用设置拟合方式的坐标读取有关的概念图，图9为示出在点云数据的过滤中利用的特定波长范围的反射率的区别的图，图10为抽取点云数据的轮廓线的图，图11为计算闭合多边形的面积的例示图和表达式，图12为利用闭合多边形和组件文件来决定优化轮廓线的模式图，图13为计算闭合多边形的重心的图和表达式。
参照图1，本发明一实施例的利用组件的点云数据的对象位置信息抽取系统大致包括组件文件生成部100、对象位置信息抽取部200及对象轮廓抽取及位置决定部300。组件文件生成部100用于创建事先所标准化的对象的组件文件，对象位置信息抽取部200利用通过雷达所收集的点云数据来抽取对象的位置信息，对象轮廓抽取及位置决定部300通过利用组件文件使点云数据的对象轮廓线优化，从所优化的轮廓线抽取准确的基准位置信息。
组件文件生成部100可包括：道路对象信息收集部110，关于事先所标准化的维也纳条约法公约中所定义的道路设施和其附属物，定义对象的形状，收集形状信息；组件文件创建部120，以所收集的信息为基础，创建组件文件；组件基准位置指定部130，指定所创建的组件文件的几何基准位置；以及偏移值设置部140，用于设置用于消除因组件文件的厚度而产生的误差等的坐标抽取偏移值。
道路对象信息收集部110通过点云数据定义所要抽取的如图3的道路标志的形状。
组件文件创建部120通过以图3中的形状进行建模来创建组件文件，如图4所示，通过利用几何X、Y、Z来指定设施的高度和宽度、厚度，使得立体模型形状与空间上所存在的点云数据的对象相匹配。
如图5所示，在组件基准位置指定部130中，作为各对象的几何基准，以高度(X轴)、宽度(Y轴)为基准来计算组件文件的基准位置。
如图4所示，由于偏移值设置部140中存在组件文件的厚度(Z轴)，当点云数据与组件文件相匹配来指定位置时，将起到误差因素的作用，因此，对此事先进行定义，来去除基于对象的厚度的误差。
对象位置信息抽取部200可包括：对象投影部210，为了使点云数据内的对象达到与正面所示的内容相同，对点云数据内的抽取对象进行正射投影；组件输入部220，使得以实际尺寸创建的组件文件对应画面的比例尺，以无需额外调整的方式与点云数据互相进行匹配；捕捉部230，使组件内的边角等特征点与点云数据内的所需位置相匹配，来提高匹配准确度；以及基准位置生成部240，从所匹配的组件文件和点云数据读取与所指定的位置有关的准确的坐标来生成点。
对象投影部210用于使画面上的立体设施的方向与从正面观察的实际尺寸和形状相同，为了在画面上对准，可在画面上示出任意正六面体来以正六面体为基准使设施的正面位置在画面上达到一致。
组件输入部220用于将在组件文件生成部100中创建的组件向画面输出，使具有实际尺寸的组件的大小与画面上的比例尺相同，以使尺寸与画面的比例尺比率相同的方式来输出。
捕捉部230用于使点云数据与组件文件的位置一致，为了使组件在点云数据的特定位置定位，适用对象捕捉功能。
基准位置生成部240在除组件的基准位置和坐标抽取偏移值之外在组件的中心位置生成点来获取准确的位置信息。
对象位置信息抽取部200通过利用在组件文件生成部100中所创建的组件来抽取基准位置。
为了使位置匹配，首先要做的是为了使点云数据内的对象与正面所示的相同而对点云数据内的抽取对象进行正射投影，如图6所示，通过对象投影部210利用虚拟六面体来使设施与画面一致，达到与所输入的组件方向一致。
组件输入部220使得以实际尺寸创建的组件文件与画面的比例尺相同，以无需额外尺寸调整的方式与点云数据互相进行匹配。
如图7所示，捕捉部230可使组件内的边角等特征点与点云数据内的所需位置相匹配，从而提高匹配准确度。
如图8所示，基准位置生成部240通过读取与从所匹配的组件文件和点云数据所指定的位置有关的准确坐标来生成点，相比于图2所示的以往的对象位置抽取方式，可提高准确度及作业速度。
对象轮廓抽取及位置决定部300可包括：对象轮廓抽取部310，通过过滤方法抽取对象的轮廓线；优化对象文件决定部320，以所抽取的轮廓线为基准，在组件文件数据库中决定最适合的组件文件；对象轮廓线优化部330，用于利用所决定的组件文件来使点云数据的轮廓线优化；以及基准位置决定部340，为了从所优化的轮廓线决定基准位置，计算多边形的重心来决定位置。
在对象轮廓抽取部310中，作为抽取与道路设施等对象有关的轮廓线的方法，通过利用原本数据的属性值(反射强度)过滤对象和周围数据，从而抽取对象的轮廓线。
优化对象文件决定部320从在组件文件生成部100中所创建的组件文件决定与从对象轮廓抽取部310中抽取的轮廓线的尺寸及形状最适合的对象组件文件。
轮廓线优化部330利用通过优化对象文件决定部320所决定的组件文件来使点云数据的轮廓线优化，由于从对象轮廓抽取部310中所抽取的轮廓线的点云数据的特性等而使得线并不流畅，但使其成为与实际形状形态相同的轮廓线。
基准位置决定部340从通过轮廓线优化部330形成的多边形抽取几何中心来决定基准位置。
如图9所示，为了抽取道路设施等与对象有关的轮廓线，对象轮廓抽取部310根据颜色及媒质并通过利用按照特定波长范围相互不同的物体的反射率过滤对象和周围的数据，从而以如图10所示的方式抽取对象的轮廓线。
优化对象文件决定部320以图10所示的所抽取的轮廓线为基准来在组件文件数据库中决定最适合的组件文件，对以闭合多边形抽取的轮廓线利用图11中的式来计算面积，并以此为基准来决定最适合的组件文件。
对象轮廓线优化部330通过利用在优化对象文件决定部320中所选择的组件文件来使点云数据的轮廓线优化，由于从对象轮廓抽取部310中所抽取的轮廓线的点云数据的特性等而难以与实际形状一致，与图12的橘色线相同地，使轮廓线与所选择的组件的形状及尺寸类似。
基准位置决定部340从呈闭合多边形形态的轮廓线决定基准位置，由于基准位置大部分使用中心位置，如图13所示，计算多边形的重心来决定位置。
以上，通过代表实施例对本发明进行了详细说明，可以理解的是，本发明所属技术领域的普通技术人员可在不超过本发明范畴的情况下对所述实施例进行多种变形。因此，本发明的权利范围不局限于所说明的实施例，应通过发明要求保护范围在内的从与发明要求保护范围等同概念导出的所有变更或所变形的形态来定义。

Claims (4)

1.一种利用组件的点云数据的对象位置信息抽取系统，其特征在于，包括：
组件文件生成部，用于创建事先所标准化的对象的组件文件；
对象位置信息抽取部，利用通过雷达所收集的点云数据来抽取对象的位置信息；以及
对象轮廓抽取及位置决定部，通过利用组件文件使点云数据的对象轮廓线优化，从所优化的轮廓线抽取准确的基准位置信息。
2.根据权利要求1所述的利用组件的点云数据的对象位置信息抽取系统，其特征在于，所述组件文件生成部包括：
道路对象信息收集部，关于事先所标准化的维也纳条约法公约中所定义的道路设施和其附属物，定义对象的形状，收集形状信息；
组件文件创建部，以所收集的信息为基础，创建组件文件；
组件基准位置指定部，指定所创建的组件文件的几何基准位置；以及
偏移值设置部，用于设置用于消除因组件文件的厚度而产生的误差的坐标抽取偏移值。
3.根据权利要求1所述的利用组件的点云数据的对象位置信息抽取系统，其特征在于，所述对象位置信息抽取部包括：
对象投影部，为了使点云数据内的对象达到与正面所示的内容相同，对点云数据内的抽取对象进行正射投影；
组件输入部，使得以实际尺寸创建的组件文件对应画面的比例尺，以无需额外调整的方式与点云数据互相进行匹配；
捕捉部，使组件内的边角特征点与点云数据内的所需位置相匹配，来提高匹配准确度；以及
基准位置生成部，从所匹配的组件文件和点云数据读取与所指定的位置有关的准确坐标来生成点。
4.根据权利要求1所述的利用组件的点云数据的对象位置信息抽取系统，其特征在于，所述对象轮廓抽取及位置决定部包括：
对象轮廓抽取部，通过过滤方法抽取对象的轮廓线；
优化对象文件决定部，以所抽取的轮廓线为基准，在组件文件数据库中决定最适合的组件文件；
对象轮廓线优化部，用于利用所决定的组件文件来使点云数据的轮廓线优化；以及
基准位置决定部，为了从所优化的轮廓线决定基准位置，计算多边形的重心来决定位置。
CN201710790206.2A 2017-06-26 2017-09-05 利用组件的点云数据的对象位置信息抽取系统 Active CN109117697B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0080480 2017-06-26
KR1020170080480A KR101858902B1 (ko) 2017-06-26 2017-06-26 컴포넌트를 활용한 점군 데이터의 객체 위치정보 추출 시스템

Publications (2)

Publication Number Publication Date
CN109117697A true CN109117697A (zh) 2019-01-01
CN109117697B CN109117697B (zh) 2022-04-12

Family

ID=62452078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710790206.2A Active CN109117697B (zh) 2017-06-26 2017-09-05 利用组件的点云数据的对象位置信息抽取系统

Country Status (4)

Country Link
US (1) US10290117B2 (zh)
KR (1) KR101858902B1 (zh)
CN (1) CN109117697B (zh)
DE (1) DE102017121591A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110070557A (zh) * 2019-04-07 2019-07-30 西北工业大学 一种基于边缘特征检测的目标识别与定位方法
CN112489105A (zh) * 2019-08-24 2021-03-12 北京地平线机器人技术研发有限公司 一种结构化参数表示获取方法及装置

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10671862B2 (en) * 2018-01-30 2020-06-02 Wipro Limited Method and system for detecting obstacles by autonomous vehicles in real-time
CN110068279B (zh) * 2019-04-25 2021-02-02 重庆大学产业技术研究院 一种基于点云数据的预制构件平面圆孔提取方法
CN110308423B (zh) * 2019-05-23 2021-07-27 浙江厚达智能科技股份有限公司 基于反光板的室内车载激光定位方法及系统
CN111708043B (zh) 2020-05-13 2023-09-26 阿波罗智能技术(北京)有限公司 定位方法及装置
JP2022042146A (ja) * 2020-09-02 2022-03-14 株式会社トプコン データ処理装置、データ処理方法およびデータ処理用プログラム
KR102275671B1 (ko) * 2021-01-19 2021-07-12 (주)뷰런테크놀로지 객체 형태 검출 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120256916A1 (en) * 2009-12-11 2012-10-11 Kazuo Kitamura Point cloud data processing device, point cloud data processing method, and point cloud data processing program
CN105678689A (zh) * 2015-12-31 2016-06-15 百度在线网络技术（北京）有限公司 高精地图数据配准关系确定方法及装置
CN106233349A (zh) * 2013-10-17 2016-12-14 德尔格制造股份两合公司 用于监控在医疗监控区中的病人的方法
CN106558096A (zh) * 2015-09-30 2017-04-05 株式会社日立大厦系统 三维点云数据的建模装置、程序和电梯导轨的建模方法
CN106887020A (zh) * 2015-12-12 2017-06-23 星际空间（天津）科技发展有限公司 一种基于LiDAR点云的道路纵横断面获取方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5988862A (en) * 1996-04-24 1999-11-23 Cyra Technologies, Inc. Integrated system for quickly and accurately imaging and modeling three dimensional objects
KR100995400B1 (ko) * 2010-06-29 2010-11-19 한진정보통신(주) 지상 라이다를 이용한 건물 외곽선 추출 시스템 및 그 방법
KR101427364B1 (ko) 2014-03-27 2014-08-08 (주)아세아항측 라이다 장치를 이용한 3d 실내지도 생성용 스캔시스템
DE102015224171A1 (de) * 2015-12-03 2017-06-08 Robert Bosch Gmbh Neigungserkennung bei Zweirädern
KR20170115778A (ko) * 2016-04-08 2017-10-18 팅크웨어(주) 도로면 생성 방법, 도로면 생성 장치, 포인트 클라우드 데이터 처리 방법, 포인트 클라우드 데이터 처리 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120256916A1 (en) * 2009-12-11 2012-10-11 Kazuo Kitamura Point cloud data processing device, point cloud data processing method, and point cloud data processing program
CN106233349A (zh) * 2013-10-17 2016-12-14 德尔格制造股份两合公司 用于监控在医疗监控区中的病人的方法
CN106558096A (zh) * 2015-09-30 2017-04-05 株式会社日立大厦系统 三维点云数据的建模装置、程序和电梯导轨的建模方法
CN106887020A (zh) * 2015-12-12 2017-06-23 星际空间（天津）科技发展有限公司 一种基于LiDAR点云的道路纵横断面获取方法
CN105678689A (zh) * 2015-12-31 2016-06-15 百度在线网络技术（北京）有限公司 高精地图数据配准关系确定方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110070557A (zh) * 2019-04-07 2019-07-30 西北工业大学 一种基于边缘特征检测的目标识别与定位方法
CN112489105A (zh) * 2019-08-24 2021-03-12 北京地平线机器人技术研发有限公司 一种结构化参数表示获取方法及装置
CN112489105B (zh) * 2019-08-24 2024-03-15 北京地平线机器人技术研发有限公司 一种结构化参数表示获取方法及装置

Also Published As

Publication number Publication date
US10290117B2 (en) 2019-05-14
DE102017121591A1 (de) 2018-12-27
CN109117697B (zh) 2022-04-12
US20180374238A1 (en) 2018-12-27
KR101858902B1 (ko) 2018-05-16

Similar Documents

Publication Publication Date Title
CN109117697A (zh) 利用组件的点云数据的对象位置信息抽取系统
CN110726409B (zh) 一种基于激光slam和视觉slam地图融合方法
EP2769181B1 (en) Reimaging based on depthmap information
KR20180050823A (ko) 3차원의 도로 모델을 생성하는 방법 및 장치
CN113009506B (zh) 一种虚实结合的实时激光雷达数据生成方法、系统及设备
US20230099113A1 (en) Training method and apparatus for a target detection model, target detection method and apparatus, and medium
CN113378760A (zh) 训练目标检测模型和检测目标的方法及装置
CN113924459B (zh) 用于车辆导航的动态传感器范围检测
CN113377888A (zh) 训练目标检测模型和检测目标的方法
CN112861725A (zh) 一种导航提示方法、装置、电子设备及存储介质
CN113392169A (zh) 一种高精度地图更新的方法、装置及服务器
CN113378693A (zh) 生成目标检测系统和检测目标的方法及装置
Rato et al. LIDAR based detection of road boundaries using the density of accumulated point clouds and their gradients
RU2562368C1 (ru) Способ трёхмерного (3d) картографирования
Agafonov et al. 3D objects detection in an autonomous car driving problem
Tarko et al. Tscan: Stationary lidar for traffic and safety studies—object detection and tracking
Börcs et al. A model-based approach for fast vehicle detection in continuously streamed urban LIDAR point clouds
CN113227713A (zh) 生成用于定位的环境模型的方法和系统
Olawoye et al. UAV Position Estimation Using a LiDAR-based 3D Object Detection Method
CN112907757A (zh) 一种导航提示方法、装置、电子设备及存储介质
Tang et al. Calculation of the minimum distance of driving route for average speed control based on three-dimensional modeling
Polat LIDAR Derived 3d City Modelling
AU2021102808A4 (en) A LiDAR point classification system for visualizing and processing LiDAR data and its method there of
Chi et al. A crash avoidance framework for heavy equipment control systems using 3D imaging sensors
Asa et al. Measuring position determination for accurate and efficient visual inspection using UAV

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant